我试图通过使用cython特性来提高python代码的速度。
我的python代码由py_child
和py_parent
类和py_backup
函数组成,如下所示:
import random
from time import clock
import numpy as np
from libc.string cimport memcmp
## python code #################################################
class py_child:
def __init__(self, move):
self.move = move
self.Q = 0
self.N = 0
class py_parent:
def __init__(self):
self.children = []
def add_children(self, moves):
for move in moves:
self.children.append(py_child(move))
def py_backup(parent, white_rave, black_rave):
for point in white_rave:
for ch in parent.children:
if ch.move == point:
ch.Q += 1
ch.N += 1
for point in black_rave:
for ch in parent.children:
if ch.move == point:
ch.Q += 1
ch.N += 1
这是cython
中的相同实现,使用memoryView作为一些变量:
## cython ######################################################
cdef class cy_child:
cdef public:
int[:] move
int Q
int N
def __init__(self, move):
self.move = move
self.Q = 0
self.N = 0
cdef class cy_parent:
cdef public:
list children
int[:, :] moves
def __init__(self):
self.children = []
def add_children(self, moves):
cdef int i = 0
cdef int N = len(moves)
for i in range(N):
self.children.append(cy_child(moves[i]))
cpdef cy_backup(cy_parent parent_node, int[:, :] white_rave,int[:, :] black_rave):
cdef int[:] move
cdef cy_child ch
for move in white_rave:
for ch in parent_node.children:
if memcmp(&move[0], &ch.move[0], move.nbytes) == 0:
ch.Q += 1
ch.N += 1
for move in black_rave:
for ch in parent_node.children:
if memcmp(&move[0], &ch.move[0], move.nbytes) == 0:
ch.Q += 1
ch.N += 1
现在我要评估函数cy\u backup,py的代码速度_备份。那又怎样我使用这个代码:
### Setup variables #########################################
size = 11
board = np.random.randint(2, size=(size, size), dtype=np.int32)
for x in range(board.shape[0]):
for y in range(board.shape[1]):
if board[x,y] == 0:
black_rave.append((x,y))
else:
white_rave.append((x,y))
py_temp = []
for i in range(size):
for j in range(size):
py_temp.append((i,j))
#### python arguments #######################################
py = py_parent()
py.add_children(py_temp)
# also py_temp, black_rave, white_rave
#### cython arguments #######################################
cy_temp = np.assarray(py_temp, , dtype= np.int32)
cy_black_rave = np.asarray(black_rave, dtype= np.int32)
cy_white_rave = np.asarray(white_rave, dtype= np.int32)
cy = cy_parent()
cy.add_children(cy_temp)
#### Speed test #################################################
%timeit py_backup(py_parent, black_rave, white_rave)
%timeit cy_backup(cy_parent, cy_black_rave, cy_white_rave)
当我运行程序时,我对结果感到惊讶:
1000 loops, best of 3: 759 µs per loop
100 loops, best of 3: 6.38 ms per loop
我希望cython比python快得多,特别是在使用memoryview时。
为什么cython中的循环比python中的循环运行得慢?
如果有人建议加快cython的代码速度,我们将不胜感激。
事先我为我的问题道歉,包括太多的代码。你知道吗
Cython MemoryView实际上只针对一件事进行了优化,即访问单个元素或片(通常在循环中)
这种类型的代码可以直接转换成高效的C代码。对于几乎任何其他操作,memoryview都被视为Python对象。你知道吗
不幸的是,几乎所有代码都没有利用MemoryView擅长的一件事,因此没有真正的加速。相反,它实际上更糟,因为你已经添加了一个额外的层,一个小长度2内存视图的整个负载将是非常糟糕的。你知道吗
我的建议是只使用列表-它们实际上非常适合这种类型的东西,我一点也不清楚如何用Cython重写你的代码来加速它。你知道吗
我发现了一些小优化:通过查看
cython -a
生成的突出显示的html文件,您可以很好地了解Cython的优化程度。您将看到memoryview的一般迭代很慢(即纯Python)。你可以通过改变来获得进步这让Cython可以高效地迭代memoryview。你知道吗
通过关闭
memcmp
行的一些安全检查,可以获得更快的速度:(您需要
cimport cython
)。如果您这样做并且还没有初始化ch.move
或者两个memoryView都没有至少一个元素,那么您的程序可能会崩溃。你知道吗我意识到这不是一个有用的答案,但只要您想保持
child
作为一个Python类(event acdef
一个),就真的没有什么可以加快它的速度。您可能会考虑将其更改为C结构(可以使用C数组),但这样就失去了使用Python的所有好处(即,您必须管理自己的内存,并且无法从Python代码轻松访问它)。你知道吗相关问题 更多 >
编程相关推荐